Clustering

Apa itu Clustering?

Bayangkan kamu punya 10.000 pelanggan dan mau tahu "tipe-tipe pelanggan" apa yang ada di bisnismu. Tapi kamu nggak tahu dari awal ada berapa tipe atau apa cirinya. Di sinilah clustering berguna.

Clustering adalah teknik unsupervised machine learning: model nggak dikasih label. Dia hanya melihat data dan mencari sendiri kelompok-kelompok yang "alami" berdasarkan kemiripan antar data point.

Berbeda dari Classification yang butuh data berlabel, Clustering bisa jalan dari data mentah tanpa anotasi.

Analogi: Sorting Buku Tanpa Panduan

Bayangkan kamu punya 500 buku yang berantakan dan disuruh merapikan tanpa dikasih daftar kategorinya. Kamu mungkin akan mulai mengelompokkan berdasarkan kesamaan yang kamu lihat sendiri: buku dengan cover gelap, buku tebal dengan bahasa teknis, buku dengan gambar banyak. Itulah clustering, kamu menemukan struktur dari data tanpa panduan awal.

Algoritma Clustering Populer

Algoritma	Cara Kerja	Cocok Untuk
K-Means	Bagi data ke K kelompok berdasarkan jarak ke centroid	Data besar, bentuk cluster bulat
DBSCAN	Cluster berdasarkan kepadatan data	Cluster bentuk aneh, ada noise atau outlier
Hierarchical Clustering	Bangun pohon dendrogram dari bawah ke atas	Eksplorasi, menentukan jumlah cluster
Gaussian Mixture Model	Probabilistik, data point bisa masuk beberapa cluster	Data overlap antar cluster

Gimana Cara Menentukan Jumlah Cluster?

Ini salah satu tantangan clustering: jumlah cluster (K) harus ditentukan sebelum modeling untuk K-Means. Ada beberapa teknik:

Elbow Method: plot total within-cluster sum of squares untuk berbagai nilai K. Cari "siku" di mana penambahan K nggak lagi signifikan mengurangi error.

Silhouette Score: ukur seberapa mirip setiap data point dengan cluster-nya sendiri dibanding cluster lain. Skor mendekati 1 berarti cluster yang baik.

Clustering vs. Classification

Aspek	Clustering	Classification
Label	Tidak butuh label	Butuh data berlabel
Tipe learning	Unsupervised	Supervised
Output	Kelompok tanpa nama	Kategori yang sudah terdefinisi
Tujuan	Eksplorasi, discovery	Prediksi, automation
Contoh	Segmentasi pelanggan baru	Prediksi churn pelanggan

Interpretasi Hasil Cluster

Cluster yang dihasilkan algoritma adalah "kotak hitam" tanpa nama. Tugas analyst adalah menginterpretasikan: apa yang membedakan Cluster 0 dari Cluster 1? Biasanya ini dilakukan dengan melihat rata-rata atau distribusi tiap fitur per cluster, lalu kasih nama yang bermakna untuk stakeholder, misalnya "High Value Loyal", "Price Sensitive Churner", atau "New Casual Buyer".

Clustering yang bagus bukan cuma yang metrik teknisnya bagus, tapi juga yang hasil segmennya masuk akal dari sudut pandang bisnis.